基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法

脑核磁共振图像常常受到噪声的影响,且有灰度不均、边界模糊的特点,使得传统聚类算法无法获得理想的脑部肿瘤分割结果,为此提出一种基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法.该方法首先采用改进的引导滤波算法对图像进行预处理,解决平滑图像时不能保留图像边缘的问题;然后将传统核模糊C-均值聚类算法(Kernel fuz...     

应用空域局部高斯混合模型的LSB匹配隐写分析

考虑到图像是一个局部平稳信源,提出一种局部内容自适应的LSB(least significant bit)匹配隐写分析方法. 该方法将LSB匹配隐写建模为加性高斯噪声,将图像空域细节分量建模为高斯混合模型. 在局部区域内用期望最大化算法估计模型参数,取最小方差值为局部隐写噪声方差的估计. 然后提取局部方差直方图的加权和特征,以反映图像不同复杂度区域隐写前后的变化. 将原始特征和校准特征相结合,作为分类特征. 对未压缩图像库的实验表明,该方法较现有方法具有更好的检测性能,在嵌入率低至25%时仍有较可靠的检测性能.     

用于侧扫声纳图像边缘检测的改进Canny算子

摘要： 针对侧扫声纳图像斑点噪声强的特点,提出一种改进的Canny算子进行边缘检测. 根据斑点噪声的乘性模型和瑞利分布特性,在非下采样Contourlet变换域进行局部自适应降斑. 该方法在有效抑制斑点噪声的同时可较好地保护边缘,避免了Canny算子造成的边缘模糊. 计算降斑后图像的梯度值分布,对梯度幅值进行非极大值抑制得到极大值点. 将梯度模的极大值点分成强边缘点、弱边缘点与非边缘点3 类,基于类间方差最大自适应确定区分3 类的双阈值,经双阈值处理与弱边缘连接得到边缘图. 对模拟声纳图像和实际声纳图像的边缘检测结果表明,较之Canny算子和小波模极大等边缘检测方法,该方法具有边缘检测完整、定位准确、伪边缘点较少等优点.     

基于人眼视觉特性的图像压缩编码算法

根据人眼的视觉特性,提出了一种图像压缩编码算法,该算法对量化方案进行了改进.为了保证重构图像的质量,获得更高的压缩比,先根据方差大小和边缘信息对变换系数进行自适应滤波,保留低频区域的部分系数,然后按照阈值法再去除一些保留的低频系数.基于MATLAB的仿真实验表明:提出的图像压缩编码算法具有压缩速度快,压缩比高,解码图像质量好等优点.此外,和其他算法相比,该算法具有更高的压缩比.     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

一种基于InSAR技术的火山地形测量方法

由于断层、断裂等地貌特征,使利用InSAR技术获得的火山地形包裹相位图中易出现条纹密集、混叠等现象,为图像处理带来很大困难,很难准确恢复出火山真实地形的相位信息.为此,采用基于四向梯度自适应结合均值滤波的横向剪切四向加权最小二乘相位解缠图像处理方法,提出基于四向梯度的自适应滤波,利用一阶差分法判断图像边缘位置信息,有效去除噪声的同时提高边缘保持能力,解决边界模糊问题,结合均值滤波,更好地保留细节信息,提高图像清晰度.再采用横向剪切四向加权最小二乘算法进行相位解包裹,基于干涉图计算相位梯度值,利用离散余弦变换求解泊松方程获取真实相位.经仿真模拟实验验证,该算法运行时间短,解缠精度高,可准确地获取火山真实地形的相位信息.     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

一种改进的指纹图像分割算法

在基于灰度方差的指纹分割算法的基础上,本文针对低灰度等级占多数的低质量指纹图像,提出了一种改进的指纹图像分割算法．实验结果表明,相比于原来的基于灰度方差的指纹图像分割算法,我们改进的算法的分割效果更好,且具有较强的鲁棒性．     

基于信息熵和细节方差均值与背景方差均值比的无参考图像锐化结果评价

提出细节方差均值与背景方差均值比的无参考图像锐化结果评价方法,结合图像信息熵,通过MATLAB软件对常用的8种空间域锐化算法和2种频率域锐算法进行锐化效果评价.结果表明:空域锐化算子中,梯度锐化、二值化、Canny锐化和Roberts锐化结果的信息熵较低,马尔锐化、Sobel锐化、Prewitt锐化和拉普拉斯锐化结果的信息熵较高.频域的高通滤波处理时,截止频率与频域中心的距离D_0值的变换对会有较大的影响.canny锐化算法和Roberts锐化算法的细节方差均值与背景方差均值比相对较小,在参数绝对值取大于50、大于100时分别为205.1000、122.6250和25.7388和18.6903,其余空域内的算法的细节方差均值与背景方差均值比较大,数值由几千到几万不等.在频率域下细节方差均值与背景方差均值比所得的值都为个位数,空域和频域由于锐化的方向不同,使其处理图像后的数据有明显的差别.     

一种基于峰谷滤波的改进算法

在峰谷滤波的基础上提出了一种新的改进算法,首先在噪声污染图像的滤波窗口中去除除中心象素外的最大最小灰度值象素,然后利用中心象素与修改后的邻域进行比较以判断其是否为噪声点.理论分析和图像处理仿真实验表明,改进后的滤波器性能得到较大改善,在有效去除噪声的同时能充分保留原图像细节信息.     

一种自适应遥感图象小目标检测新方法

针对遥感图象普遍存在的小目标,提出了一种新的自适应检测方法.该方法基于图象局部扭曲度和峭度所具有的非对称性和拖尾特性,自适应地确定具有小目标的感兴趣区域(ROI),并在该区域内,结合能量特征实现图象目标的分割.针对分割分的二值图象仍具有的干扰噪声和虚假目标问题,进行了二值数学形态滤波,并结合目标的面积特征实现了小目标的精确检测.计算机模拟仿真结果证明了所提出方法的有效性.     

非局部混合噪音滤波器MNF的一种快速算法

对非局部混合噪音滤波器MNF提出一种快速算法(Fast-MNF).该算法是对目前滤波效果较好的混合噪音滤波器MNF的一种改进,它对邻近窗口像素按其均值、梯度和方差的相似程度进行预分类,把均值比、梯度比和方差比均在给定阈值范围内的像素分为一类,让其参与滤波运算,否则被忽略,以此提高滤波速度.实验结果表明,Fast-MNF算法的滤波效果优于MNF,且运算速度提高20%以上.     

强噪声与突变干扰下的紫外图像中导弹目标的提取

为了抑制紫外图像处理中紫外CCD(电荷耦合装置)传感器和高增益放大器的强噪声和突发干扰,在不改变现有紫外CCD 传感器硬件结构的前提下,提出了一种紫外图像序列的三维递归滤波算法. 该算法由二维IIR(递归)空间滤波器和一维时间IIR 滤波器级联构成. 所提出的三维递归滤波算法计算量小,稳定,且可清晰地
提取导弹目标,实现快速实时的紫外图像序列滤波. 提供了二维IIR 空间滤波器和一维时间IIR 滤波器的稳定性检验算法. 仿真实验验证了所提的三维滤波算法是正确,有效而实用的.     

基于二抽取的多结构元素并行复合形态滤波器

提出了一种基于二抽取的多结构元素并行组合滤波器.该滤波器采用多结构元素构成基于复合数学形态学的低通滤波器.在不增大结构元素宽度的情况下,通过二抽取方法降低信号的采样率来提高其低通能力,根据一次滤波效果调整信号的采样率进行二次滤波,并采用插值重构的方法恢复到原始信号的采样频率.这种结构的数学形态学滤波器能有效的滤除掉多种类型和不同频带范围内的噪声.仿真结果表明了这种滤波器的有效性.     

基于高斯低通滤波的超光谱遥感图像分类研究

在超光谱遥感图像的分类中,图像的类别可分性代表了图像的自然属性并决定了分类器能够达到的最优性能。在研究影响分类效果诸因素的基础上,提出了利用高斯低通滤波提高类别可分性的方法,在假设数据为多元正态分布的基础上,用Bhattacharyya距离衡量滤波前后样本集的类别可分性。在此基础上,构造了分类器,并进行了实际的分类测试。实验结果说明高斯低通滤波器能够提高类别可分性,因而能够提高分类精度。     

GPS/INS组合导航中的自适应滤波算法

研究了GPS/INS导航系统中的不确定噪声问题,给出了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当测量噪声的协方差已知时可以自适应估计出系统噪声的协方差.它是在滤波过程中通过判定系统噪声的协方差是否发生了变化,若它发生了变化再估计出新的协方差,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此有效地提高了滤波结果的精度并消除了滤波发散现象.数字仿真表明效果良好.     

一种基于分数余弦变换的数字图像水印算法

提出了一种基于分数余弦变换的数字图像水印算法.将原始图像分块并利用人类视觉系统的掩蔽效应将图像块分类,选择变换域中幅值较大的系数自适应地修正嵌入强度,以嵌入二值水印图像.实验结粜表明该算法能有效地保持图像的质量,并且对常见的图像处理如噪声叠加、JPFG压缩、均值滤波、图像缩放和图像裁剪等比余弦变换域中修改低频系数的水印算法具有更强的鲁棒性.     

基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.     

GPS空时自适应滤波矩阵重构抗干扰算法

小快拍数、干扰移动及天线平台震动引起协方差矩阵估计误差增加,导致现有的全球定位系统(global positioning system,GPS)空时自适应滤波抗干扰算法的性能急剧下降,为此提出了一种基于矩阵重构的GPS空时自适应滤波抗干扰算法.该算法利用Capon空间谱估计方法重构干扰加噪声协方差矩阵,并对矩阵进行时域平滑得到空时滤波权值.仿真结果表明,该算法在多干扰、低信噪比、小快拍数情况下降低了阵列误差的影响,提高了阵列天线输出信干噪比,与对角加载算法和矩阵锐化算法相比提升5dB左右.